Fusión de imágenes satelitales para una alta resolución espacial y temporal del Lago Güija
PDF
EPUB

Palabras clave

Fusión de imágenes
Pansharpening
STARFM
Landsat
MODIS

Cómo citar

Vásquez Carrillo, C. A., Carpio Quintanilla, B. E., & Domínguez Payes, E. S. (2025). Fusión de imágenes satelitales para una alta resolución espacial y temporal del Lago Güija. Investigaciones Latinoamericanas En Ingeniería Y Arquitectura, (2), 37–44. https://doi.org/10.51378/ilia.vi2.9654

Resumen

El presente estudio tiene como objetivo evaluar y comparar técnicas de fusión de imágenes satelitales para mejorar la resolución espacial y temporal de datos destinados a estudios locales de alta precisión [1] [2]. La disponibilidad de información detallada a pequeña escala es esencial para el monitoreo y gestión de recursos naturales, especialmente en zonas con actividades productivas o impactos ambientales potenciales, como el Lago Güija. Este lago, ubicado en la frontera entre Guatemala y El Salvador, desemboca en el río Lempa, fuente principal para el abastecimiento de agua potable y la agricultura en la región [3].

Para este propósito, se utilizaron imágenes de los satélites Landsat y MODIS, seleccionados por sus capacidades complementarias de observación en diferentes resoluciones espaciales y temporales [4]. Se aplicaron dos enfoques de fusión: el método espacial Pansharpening, que combina datos pancromáticos de alta resolución con imágenes multiespectrales para optimizar el detalle espacial, y el modelo espacio-temporal STARFM (Spatio-Temporal Adaptive Reflectance Fusion Model), que integra información de Landsat y MODIS para obtener series de datos con mejor resolución tanto espacial como temporal [5] [6] [7].

Los resultados evidencian que ambas técnicas son viables para la generación de información útil en estudios de carácter local, siendo la metodología basada en Pansharpening con entrada MODIS la más adecuada por su balance entre calidad y viabilidad de implementación. El Lago Güija se presenta como un caso de estudio que ilustra el potencial de estas metodologías para el monitoreo continuo y preciso de ecosistemas acuáticos, contribuyendo así a la disponibilidad de datos confiables para la toma de decisiones.

PDF
EPUB

Referencias

M. Abid, A. Khabou, Y. Ouakrim, H. Watel, S. Chemkhi, A. Mitiche, A. Benazza-Benyahia y N. Mezghani, Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers”. ArXiv.org, 2021, https://arxiv.org/abs/2103.01859.

J. Acafremin, "Mina Cerro Blanco: amenaza latente para el agua de El Salvador”. 2021. https://acafremin.org/es/blog/829-mina-Cerroblanco-amenaza-latente-para-el-agua-de-el-salvador.

K. Arévalo, El caso de la mina Cerro Blanco: ¿amenaza para los ríos de Guatemala y El Salvador? Voz de América, 2022, [Online]. Available: https://www.vozdeamerica.com/a/guatemala-elsalvador-mina-Cerro-blanco-amenaza-ríos-/6812463.html.

A. Ariza, Descripción y Corrección de Productos Landsat 8 LDCM (Landsat Data Continuity Mission), 2013. [Online]. Available: http://www.un-spider.org/sites/default/files/LDCM-L8.R1.pdf.

D. Borini Alves, R. Montorio Llovería, F. Pérez-Cabello y L. Vlassova, “Fusionado de imágenes Terra-MODIS y Landsat-TM/OLI en el contexto del análisis del incendio forestal de Las Hurdes (Cáceres) GeoFocus”, 2016, (Artículos), nº 18, p. 65-81. ISSN: 1578-5157.

Confronting tech power 2023 Landscape. (n.d.). [Online]. Available: https://ainowinstitute.org/wp-content/uploads/2023/04/AI-Now-2023-Landscape-Report-FINAL.pdf.

L. De Computación y A. Ignacio, M. Mendoza, Centro de Investigación Científica y de Educación Superior de Senada, Baja California, Programa de Posgrado en Ciencias “Algoritmos para la corrección radiométrica de imágenes de satélite”, 2014, [Online]. Available: https://cicese.repositorioinstitucional.mx/jspui/bitstream/1007/436/1/236291.pdf.

Definición de Banda, Diccionario SIG. https://support.esri.com/es-es/gis-dictionary/band.

O. Eduardo, R. Chavez, H. Alberto y A. Bautista, “Manual para el manejo y procesamiento de imágenes satelitales obtenidas del sensor remoto MODIS de la nasa, aplicado en estudios de ingeniería Civil”. [Online]. Available: https://repository.javeriana.edu.co/bitstream/handle/10554/7050/tesis123.pdf?sequence=3&isAllowed=y.

EOS, Cómo hacer un análisis espectral. EOS, 2022, [Online].

Especificaciones de la cámara MODIS. Conae. gov.ar, 2024, [Online]. Available: https://catalogos.conae.gov.ar/TERRA/camara.htm.

Esri. Banda. Diccionario de SIG de Esri, 2023, [Online]. Available: https://support.esri.com/es-es/gis-dictionary/band.

L. Fernández y L. Rincón, Procesamiento de imágenes satelitales, 2020. [Online]. Available: http://revistas.ustatunja.edu.co/index.php/lingenieux/article/view/2332/.

G. Ferrucci, A. Grzyb, B. Hammond, R. Knox y A. Montoya, Mina a cielo abierto Cerro Blanco en Guatemala. Cerro Blanco Mine Report 009, 2023. [Online]. Available: https://sv.boell.org/es/2023/05/09/mina-cielo-abierto-Cerro-blanco-en-guatemala.

“Fundamentos de fusión de imágenes—ArcGIS AllSource” Documentación. (n.d.). https://doc.arcgis.com/es/allsource/latest/analysis/raster-functions/fundamentals-of-pan-sharpening-pro.htm.

C. Gevaert y F. Javier García-Haro, A comparison of STARFM and an unmixing-based algorithm for Landsat and MODIS data fusion. Remote Sensing of Environment, 156, 34–44, 2015, https://doi.org/10.1016/j.rse.2014.09.012.

Gisandbeers, Pansharpening en Google Earth Engine para imágenes Landsat - Gis&Beers. Gis&Beers, 2020. [Online]. Available: https://www. gisandbeers.com/pansharpening-en-google-earth-engine-imagenes-landsat/.

Gisandbeers, Manual Landsat 9 Handbook - Gis&Beers. Gis&Beers, 2022. [Online]. Available : https://www.gisandbeers.com/manual-landsat-9-handbook/.

L- Giambelluca, L, Pansharpening en SNAP, “Mejora tus imágenes satelitales usando la banda pancromática”, Geoinnova. Geoinnova, 2022. [Online].

T. Hastie, R. Tibshirani, y J. Friedman, "The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer. ISBN 9780387848570”, 2009.

Introducción a las imágenes multiespectrales multidimensionales. (n.d.). Learn ArcGIS. [Online]. Available https://learn.arcgis.com/es/projects/get-started-with-multidimensional-multispectral-imagery/.

A. Israa y Universidad De Granada Departamento de Ciencias de la Computación e Inteligencia Artificial, U, “Fusión de imágenes multiespectrales mediante métodos multiescala y super-resolución” 2010. [Online]. Available: https://digibug.ugr.es/handle/10481/15457.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Derechos de autor 2025 Carlos Alfredo Vásquez Carrillo, Benjamín Eduardo Carpio Quintanilla, Eduardo Stanley Domínguez Payes (Autor/a)

Métricas

Cargando métricas ...